Predicting habitat to optimize sampling of Pacific sardine (Sardinops sagax)
Notice bibliographique
Résumé
Abstract Zwolinski, J. P., Emmett, R. L., and Demer, D. A. 2011. Predicting habitat to optimize sampling of Pacific sardine (Sardinops sagax). – ICES Journal of Marine Science, 68: 867–879. More than 40 years after the collapse of the fishery for Pacific sardine, a renewed fishery has emerged off the west coasts of the United States and Canada. The daily egg production method (DEPM) and acoustic-trawl surveys are performed annually and, to minimize the uncertainties in the estimates, sampling effort needs to be allocated optimally. Here, based on a 12-year dataset including the presence/absence of sardine eggs and concomitant remotely sensed oceanographic variables, a probabilistic generalized additive model is developed to predict spatio-temporal distributions of habitat for the northern stock of Pacific sardine in the California Current. Significant relationships are identified between eggs and sea surface temperature, chlorophyll a concentration, and the gradient of sea surface altitude. The model accurately predicts the habitat and seasonal migration pattern of sardine, irrespective of spawning condition. The predictions of potential habitat are validated extensively by fishery landings and net-sample data from the northeast Pacific. The predicted habitat can be used to optimize the time and location of the DEPM, acoustic-trawl, and aerial surveys of sardine. The method developed and illustrated may be applicable too to studies of other stocks of sardine and other epipelagic fish in other eastern boundary, upwelling regions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».